CN113722553B - 一种物流路径搜索方法 - Google Patents
一种物流路径搜索方法 Download PDFInfo
- Publication number
- CN113722553B CN113722553B CN202111129796.7A CN202111129796A CN113722553B CN 113722553 B CN113722553 B CN 113722553B CN 202111129796 A CN202111129796 A CN 202111129796A CN 113722553 B CN113722553 B CN 113722553B
- Authority
- CN
- China
- Prior art keywords
- thiessen
- node
- thiessen polygon
- nodes
- adjacent
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000012946 outsourcing Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 abstract description 6
- 238000010276 construction Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 5
- 241000282414 Homo sapiens Species 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/909—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Generation (AREA)
Abstract
本发明涉及计算机图形学与地理信息科学领域,具体公开了一种基于等高线思维的哈密顿路径搜索方法及系统,包括以下步骤:S1、获取节点样本数据;S2、构建节点样本的外包图形;S3、分别以每一节点为中心构建泰森多边形,形成泰森多边形网;S4、以边界线为基准,搜索与边界线邻接的泰森多边形;S5、搜索与泰森多边形环邻接的泰森多边形;S6、重复S5中的搜索步骤,直至搜索结果覆盖所有的泰森多边形;S7、以其中一泰森多边形环中的任一节点为起始点,依次连接该泰森多边形环内的所有节点;S8、重复S7中的连接步骤,得到结果。本发明的一种基于等高线思维的哈密顿路径搜索方法及系统,原理简单,能够有效降低处理的难度、成本和时间,提高求解效率。
Description
技术领域
本发明涉及计算机图形学与地理信息科学领域,尤其涉及一种物流路径搜索方法。
背景技术
哈密顿路径是由天文学家哈密顿(William Rowan Hamilton) 提出的旨在一个有多个城市的地图网络中,寻找一条从给定的起点到给定的终点沿途恰好经过所有其他城市一次的路径。
旅行商问题,即TSP问题(Traveling Salesman Problem)又译为旅行推销员问题、货郎担问题,是数学领域中著名问题之一。假设有一个旅行商人要拜访N个城市,他必须选择所要走的路径,路径的限制是每个城市只能拜访一次,而且最后要回到原来出发的城市。路径的选择目标是要求的路径路程为所有路径之中的最小值,也就是上述的哈密顿路径的最优解。
哈密顿路径问题源自于社会生活的实际,与人类的社会生活息息相关。如旅游领域我们总想设计合理的线路,实现一次旅行踏足所有梦想之地的目标;如在物流领域我们希望合理分配每个无人车的送货路径,使得无人车能够按照设定的送货路径依次对每个派送点进行派送,以实现物流派送的经济最优,效率最高;如在军事领域我们希望机动力量可以选择最合理的路径最快到达目标点等等,这些问题皆与哈密顿路径问题息息相关。由此可见,哈密顿路径问题的理论及算法的突破,在“未来万物互联走向万物互动”新时代具有积极的意义。
必经节点是哈密顿路径中必须经过的节点,其在现实生活中的可以是物流派送领域中的派送点或者是无人机巡逻的巡逻点等等,通过对必经节点路径的搜索,即可实现物流派送路径、无人机巡逻路径等的搜索,因此必经节点路径(哈密顿路径)的快速搜索是当前位置服务领域的研究热点,其在物流、资源配置、军事等领域的路径规划中具有巨大应用潜力,但是传统的哈密顿路径搜索方法多从图论及数学角度进行,其搜索效率和准确度都不尽人意,计算复杂度最优也在O(N2)以上。
在对哈密顿路径问题进行求解时,对于无约束的节点,每个节点的度为(N-1),其中N为节点数,已经被证实存在哈密顿路径解。解虽然存在但迄今未有完美的求解方法,当前的求解方法中既有算法多基于逻辑思维的推理或者是基于生物学思维的遴选模式,其求解过程难于在复杂度和精确度之间获得平衡。
学界认为哈密顿路径问题的求解属于NP问题,人类至今都没有找到有效的多项式问题解。但该问题除了是数学与计算机图形学的研究热点,也是人类认知世界至今难以突破的思维难题。该技术虽然在与空间相关的各个领域、包括虚拟计算机空间等领域具有巨大应用潜力,但传统的哈密顿路径求解方法在样本数据达到一定量时,计算机和传统算法将无能为力,一个简单的几百节点的哈密顿路径问题都可能需要现代计算技术数百年的运算。
哈密顿路径问题的研究虽然在并行计算时代有一定的进度,但鉴于传统算法只是对节点的先后优化组合,未作问题空间关系方面的深入考虑,因此当前研究中鲜有学者去发现该问题隐含的空间约束条件并将其用于路径搜索,防止运算量向指数级扩散,以达到降低处理的难度、成本和时间的目的。
发明内容
本发明旨在至少解决上述所提及的技术问题之一,提供一种物流路径搜索方法,原理简单,能够有效减小物流路径搜索的难度、成本和时间,提高搜索效率。
为了实现上述目的,本发明采用的技术方案为:一种物流路径搜索方法,其特征在于,包括以下步骤:
S1、获取物流点的样本数据,将物流点作为路径的节点;
S2、构建节点样本的外包图形,以将所有节点覆盖在外包图形中;
S3、分别以每一节点为中心构建泰森多边形,形成泰森多边形网,并将外包图形的边线作为泰森多边形网的边界线;
S4、以边界线为基准,搜索与边界线邻接的泰森多边形,并将搜索结果合并得到泰森多边形环;
S5、搜索与泰森多边形环邻接的泰森多边形,并将搜索结果合并得到新的泰森多边形环;
S6、重复S5中的搜索步骤,直至搜索结果覆盖所有的泰森多边形,以得到若干泰森多边形环;
S7、以其中一泰森多边形环中的任一节点为起始点,依次连接该泰森多边形环内的所有节点,并将最后一个连接的节点与相邻的另一泰森多边形环内的节点相连;
S8、重复S7中的连接步骤,直至将所有泰森多边形环内的节点依次连接,以及相邻的泰森多边形环连接,结果即为物流路径的搜索结果。
优选的,所述外包图形为矩形或者圆形。
优选的,所述外包图形大于最小外包图形,以使得所有的节点样本未落在外包图形的边线上。
优选的,所述步骤S7中,以最外围的泰森多边形环中的任一节点作为起始点。
优选的,所述步骤S7中,同一泰森多边形环中的节点在连接时,依次连接相邻的节点。
优选的,所述步骤S7中,若其中一节点与多个节点相邻,将所述其中一节点与任一相邻的节点进行连接。
优选的,所述步骤S7中,其中一泰森多边形环的最后一个连接的节点与相邻的另一多边形环中相邻的任一节点连接。
本申请还公开了一种物流路径的搜索系统,包括:
数据获取模块,用于获取物流点的坐标信息;
数据转换模块,用于将每一物流点的坐标点作为哈密顿路径中的必经节点,对节点进行平面坐标处理,以使得所有的节点位于同一二维平面内;
外包图形构建模块;用于构建二维平面内所有节点的外包图形,以将所有物流点覆盖在外包图形中;
泰森多边形构建模块,用于对外包图形内的物流点构建泰森多边形环,其中,以每一节点为中心构建泰森多边形,形成泰森多边形网,并将外包图形的边线作为泰森多边形网的边界线,以边界线为基准,搜索与边界线邻接的泰森多边形,并将搜索结果合并得到泰森多边形环,搜索与泰森多边形环邻接的泰森多边形,并将搜索结果合并得到新的泰森多边形环,重复泰森多边形环的搜索步骤,直至搜索结果覆盖所有的泰森多边形,以得到若干泰森多边形环;
路径构建模块,用于将所有泰森多边形环中的物流点进行依次连接,以及将相邻泰森多边形环连接,其中,以其中一泰森多边形环中的任一节点为起始点,依次连接该泰森多边形环内的所有节点,并将最后一个连接的节点与相邻的另一泰森多边形环内的其中一节点相连,重复上述的连接步骤,直至将所有泰森多边形环内的节点依次连接,以及将所有的泰森多边形环连接。
有益效果是:本发明的一种物流路径搜索方法通过引入泰森多边形构建,解决节点势力范围构建及多边形邻接关系的隐形构建,将节点的连接问题拓展到面的临界领域,实现节点连接问题的拆维解决,并利用等高线思维将每个环内的节点相连后,再进行相邻环内连线的连接,从而达到环环相连点点相连的目的,进而实现物流路径的搜索,因此,本发明的搜索方法与传统的路径搜索方法相比,本发明的路径搜索方法原理简单,能够有效降低搜索方法的难度、成本和时间,提高搜索效率,具有重要的学术意义,在国民经济多个领域都具有巨大应用潜力。
附图说明
以下结合附图对本发明的具体实施方式作进一步的详细说明,其中:
图1为获取节点样本构建外包图形后的示意图;
图2为图1中的节点样本构建泰森多边形网后的示意图;
图3为搜索泰森多边形环的示意图;
图4为泰森多边形环搜索完成的示意图;
图5为泰森多边形环中的节点依次连接得到物流路径的示意图。
实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,当组件被称为“固定于”另一个组件,它可以直接在另一个组件上或者也可以存在居中的组件。当一个组件被认为是“连接”另一个组件,它可以是直接连接到另一个组件或者可能同时存在居中组件。当一个组件被认为是“设置于”另一个组件,它可以是直接设置在另一个组件上或者可能同时存在居中组件,当部件被称为“设置在中部”,不仅仅是设置在正中间位置,只要不是设置在两端部都属于中部所限定的范围内。本文所使用的术语“垂直 的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
升维代表无限可能,降维代表问题简化求解,点点连接问题的难点就在于解的发散同时没有有效约束解的空间,而空间问题不是传统逻辑思维的拓展,因此不借助升维降维思维很难求解多维问题。
由基本常识可知,点的连线属于一维问题,线分布方向在二维,因此该问题是一维问题在二维空间的约束求解,具有一定的数学难度。几何原理告诉我们,环其实就是闭合线,因此二维空间的点线面具有一定的隐性空间关系。
哈密顿路径的特性是点点相连只经过一次,这与二维环境下多边形的依次邻接概念一致,因此可以通过多边形邻接关系约束连接次数。点是零维元素,直接拓展到二维就是点的势力范围概念:泰森多边形。基于此本发明引入泰森多边形构建,解决点势力范围构建及多边形邻接关系的隐形构建。而对于约束后的点点相连,则由线闭合是面来完成。通过外围先构建首级闭合环,之后再由外至内依次构建内环,直到将所有的泰森多边形都搜索完毕。其利用的思维类似于等高线的闭合代表地面势力范围,之后将每个环内的节点相连,达到环环相连点点相连的目的,进而实现最终问题求解。
上述搜索方法利用两个基本原则:面的邻接和闭合的基本概念,通过将问题剖析分解,引入等高线代表地面势力范围的思维,将点点连接问题拓展到面的邻接,实现了哈密顿路径问题求解。
具体的,为了实现上述目的,本发明采用的技术方案为:一种物流路径的搜索方法,包括以下步骤:
S1、获取各个物流点的坐标信息,将每一物流点的坐标点作为哈密顿路径中的必经节点,并使得这些节点分布在二维平面内形成节点样本;
S2、构建节点样本的外包图形,以将所有节点覆盖在外包图形中;
S3、分别以每一节点为中心构建泰森多边形,形成泰森多边形网,并将外包图形的边线作为泰森多边形网的边界线;
S4、以边界线为基准,搜索与边界线邻接的泰森多边形,并将搜索结果合并得到泰森多边形环;
S5、搜索与泰森多边形环邻接的泰森多边形,并将搜索结果合并得到新的泰森多边形环;
S6、重复S5中的搜索步骤,直至搜索结果覆盖所有的泰森多边形,以得到若干泰森多边形环;
S7、以其中一泰森多边形环中任一节点为起始点,依次连接该泰森多边形环内的所有节点,并将最后一个连接的节点与相邻的另一泰森多边形环内的节点相连;
S8、重复S7中的连接步骤,直至将所有泰森多边形环内的节点依次连接,以及相邻的泰森多边形环连接,得到物流路径的搜索结果。
具体的,路径的搜索方法为:如图1所示,获取各个物流点的坐标信息,将每一物流点的坐标点作为哈密顿路径中的必经节点,并使得这些节点分布在二维平面内形成节点样本,然后构建节点样本的外包图形,外包图形可以为矩形或者圆形,优选的,本实施方式中采用矩形作为外包图形,以使得所有的节点样本被覆盖在外包矩形中,且矩形的面积大于最小外包矩形的面积,以使得节点样本在矩形的内部,且没有任何节点落在矩形的边界线上,如图2所示,分别以每一节点为中心构建泰森多边形,形成泰森多边形网,并将矩形的边线作为泰森多边形网的边界线,如图3所示,以边界线为基准,搜索与边界线邻接的泰森多边形,即与边界线直接相连的泰森多边形,并将搜索结果合并,得到由若干泰森多边形构造的泰森多边形环,然后搜索与泰森多边形环邻接的泰森多边形,并将搜索结果合并,得到新的泰森多边形环,然后以最内侧的泰森多边形环为基准,重复上述的搜索步骤,直至搜索结构覆盖所有的泰森多边形,如图4所示,以得到多个泰森多边形环,其中在一些实施方式中,搜索至最后,会在泰森多边形网络的中部存在一个或多个泰森多边形不能构成环状的情况,则将这些泰森多边形作为最内层的泰森多边形离散单元,如图5所示,以其中一泰森多边形环中任一节点为起始点,依次连接该泰森多边形环内的所有节点,且每个节点只连接一次,并将该泰森多边形环内最后一个连接的节点与相邻的另一泰森多边形环内的节点相连,以另一泰森多边形环内被连接的节点为新的起始点,然后依次连接另一泰森多边形环中的所有节点,重复上述的节点连接步骤,直至将所有泰森多边形环内的节点依次连接,以及相邻的泰森多边形环连接,得到哈密顿路径的搜索结果,其中,在存在有泰森多边形离散单元的情况时,将所有的泰森多边形环中最后连接的节点依次连接泰森多边形离散单元中剩余的泰森多边形的节点,得到哈密顿路径的搜索结果,且在与泰森多边形离散单元中的节点连接时,按照距离最近原则依次连接,优选的,在进行节点的连接时,以最外层的泰森多边形环中的任一节点作为起始点,由外至内依次将多层泰森多边形环进行连接,在同一泰森多边形环中的节点进行连接时,依次连接相邻的节点,其中节点的相邻原则以泰森多边形的临近原则为基准,若存在一个节点与多个节点相邻的情况,将该节点与任一节点进行连接,其中一泰森多边形环内最后连接的节点与相邻另一泰森多边形环的节点进行连接时,选择其中一泰森多边形环的最后一个连接的节点与相邻的另一多边形环中相邻的任一节点连接,若泰森多边形环内最后一个连接的节点存在与多个节点相邻的情况,则选择相邻的另一泰森多边形环内的任一相邻的节点进行连接。
优选的,上述搜索可以通过计算机进行路径的快速搜索,也可以通过手工绘图的方式进行搜索。
本发明的一种物流路径的搜索方法通过引入泰森多边形构建,解决节点势力范围构建及多边形邻接关系的隐形构建,将节点的连接问题拓展到面的临界领域,实现节点连接问题的拆维解决,并利用等高线思维将每个环内的节点相连后,再进行相邻环内连线的连接,从而达到环环相连点点相连的目的,进而实现哈密顿路径的搜索,因此,本发明的搜索方法还能够广泛的适用于物流派送等领域,与传统的路径搜索方法相比,本发明的路径搜索方法原理简单,能够有效降低搜索方法的难度、成本和时间,提高搜索效率,具有重要的学术意义,在国民经济多个领域都具有巨大应用潜力。
本申请还公开了一种物流路径的搜索系统,包括:
数据获取模块,用于获取物流点的坐标信息;
数据转换模块,用于将每一物流点的坐标点作为哈密顿路径中的必经节点,对节点进行平面坐标处理,以使得所有的节点位于同一二维平面内;
外包图形构建模块;用于构建二维平面内所有节点的外包图形,以将所有物流点覆盖在外包图形中;
泰森多边形构建模块,用于对外包图形内的物流点构建泰森多边形环,其中,以每一节点为中心构建泰森多边形,形成泰森多边形网,并将外包图形的边线作为泰森多边形网的边界线,以边界线为基准,搜索与边界线邻接的泰森多边形,并将搜索结果合并得到泰森多边形环,搜索与泰森多边形环邻接的泰森多边形,并将搜索结果合并得到新的泰森多边形环,重复泰森多边形环的搜索步骤,直至搜索结果覆盖所有的泰森多边形,以得到若干泰森多边形环;
路径构建模块,用于将所有泰森多边形环中的物流点进行依次连接,以及将相邻泰森多边形环连接,其中,以其中一泰森多边形环中的任一节点为起始点,依次连接该泰森多边形环内的所有节点,并将最后一个连接的节点与相邻的另一泰森多边形环内的其中一节点相连,重复上述的连接步骤,直至将所有泰森多边形环内的节点依次连接,以及将所有的泰森多边形环连接。
以上实施例仅用以说明本发明的技术方案而并非对其进行限制,凡未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明技术方案的范围内。
Claims (7)
1.一种物流路径搜索方法,其特征在于,包括以下步骤:
S1、获取物流点的样本数据,将物流点作为路径的节点;
S2、构建节点样本的外包图形,以将所有节点覆盖在外包图形中;
S3、分别以每一节点为中心构建泰森多边形,形成泰森多边形网,并将外包图形的边线作为泰森多边形网的边界线;
S4、以边界线为基准,搜索与边界线邻接的泰森多边形,并将搜索结果合并得到泰森多边形环;
S5、搜索与泰森多边形环邻接的泰森多边形,并将搜索结果合并得到新的泰森多边形环;
S6、重复S5中的搜索步骤,直至搜索结果覆盖所有的泰森多边形,以得到若干泰森多边形环;
S7、以其中一泰森多边形环中的任一节点为起始点,依次连接该泰森多边形环内的所有节点,并将最后一个连接的节点与相邻的另一泰森多边形环内的节点相连;
S8、重复S7中的连接步骤,直至将所有泰森多边形环内的节点依次连接,以及相邻的泰森多边形环连接,结果即为物流路径的搜索结果。
2.根据权利要求1所述的一种物流路径搜索方法,其特征在于,所述外包图形为矩形或者圆形。
3.根据权利要求2所述的一种物流路径搜索方法,其特征在于,所述外包图形大于最小外包图形,以使得所有的节点样本未落在外包图形的边线上。
4.根据权利要求1所述的一种物流路径搜索方法,其特征在于,所述步骤S7中,以最外围的泰森多边形环中的任一节点作为起始点。
5.根据权利要求1所述的一种物流路径搜索方法,其特征在于,所述步骤S7中,同一泰森多边形环中的节点在连接时,依次连接相邻的节点。
6.根据权利要求5所述的一种物流路径搜索方法,其特征在于,所述步骤S7中,若其中一节点与多个节点相邻,将所述其中一节点与任一相邻的节点进行连接。
7.根据权利要求1所述的一种物流路径搜索方法,其特征在于,所述步骤S7中,其中一泰森多边形环的最后一个连接的节点与相邻的另一多边形环中相邻的任一节点连接。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011245037.2A CN112347312A (zh) | 2020-11-10 | 2020-11-10 | 一种基于等高线思维的哈密顿路径求解方法 |
CN2020112450372 | 2020-11-10 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113722553A CN113722553A (zh) | 2021-11-30 |
CN113722553B true CN113722553B (zh) | 2024-02-13 |
Family
ID=74362595
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011245037.2A Pending CN112347312A (zh) | 2020-11-10 | 2020-11-10 | 一种基于等高线思维的哈密顿路径求解方法 |
CN202111129796.7A Active CN113722553B (zh) | 2020-11-10 | 2021-09-26 | 一种物流路径搜索方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011245037.2A Pending CN112347312A (zh) | 2020-11-10 | 2020-11-10 | 一种基于等高线思维的哈密顿路径求解方法 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN112347312A (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112347312A (zh) * | 2020-11-10 | 2021-02-09 | 北部湾大学 | 一种基于等高线思维的哈密顿路径求解方法 |
CN117217396B (zh) * | 2023-09-12 | 2024-06-11 | 广西交科集团有限公司 | 一种基于路网的多目标派送路径存在判定方法及系统 |
CN117371897B (zh) * | 2023-10-16 | 2024-06-21 | 广西交科集团有限公司 | 一种基于路网的多目标点物流派送路径的规划方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105489000A (zh) * | 2015-09-08 | 2016-04-13 | 同济大学 | 一种夜班公交车站点及路径选择方法 |
CN106643783A (zh) * | 2016-12-28 | 2017-05-10 | 国网天津市电力公司东丽供电分公司 | 基于最短路径泰森多边形的电动汽车充电站搜索方法 |
CN109035406A (zh) * | 2018-06-28 | 2018-12-18 | 中国地震局地震预测研究所 | 一种用于建筑物分析的点云数据处理方法 |
CN110887502A (zh) * | 2019-11-18 | 2020-03-17 | 广西华蓝岩土工程有限公司 | 一种必经结点最短路径搜索方法 |
CN110933682A (zh) * | 2019-11-28 | 2020-03-27 | 广西华蓝岩土工程有限公司 | 一种无人机基站自动选址方法 |
CN112347312A (zh) * | 2020-11-10 | 2021-02-09 | 北部湾大学 | 一种基于等高线思维的哈密顿路径求解方法 |
-
2020
- 2020-11-10 CN CN202011245037.2A patent/CN112347312A/zh active Pending
-
2021
- 2021-09-26 CN CN202111129796.7A patent/CN113722553B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105489000A (zh) * | 2015-09-08 | 2016-04-13 | 同济大学 | 一种夜班公交车站点及路径选择方法 |
CN106643783A (zh) * | 2016-12-28 | 2017-05-10 | 国网天津市电力公司东丽供电分公司 | 基于最短路径泰森多边形的电动汽车充电站搜索方法 |
CN109035406A (zh) * | 2018-06-28 | 2018-12-18 | 中国地震局地震预测研究所 | 一种用于建筑物分析的点云数据处理方法 |
CN110887502A (zh) * | 2019-11-18 | 2020-03-17 | 广西华蓝岩土工程有限公司 | 一种必经结点最短路径搜索方法 |
CN110933682A (zh) * | 2019-11-28 | 2020-03-27 | 广西华蓝岩土工程有限公司 | 一种无人机基站自动选址方法 |
CN112347312A (zh) * | 2020-11-10 | 2021-02-09 | 北部湾大学 | 一种基于等高线思维的哈密顿路径求解方法 |
Non-Patent Citations (6)
Title |
---|
Area Graph: Generation of Topological Maps using the Voronoi Diagram;Belo Horizonte 等;2019 19th International Conference on Advanced Robotics (ICAR);509-515 * |
DELAUNAY三角网的算法详述及其应用发展前景;邵春丽, 胡鹏, 黄承义, 彭琪;测绘科学(第06期);69-72+6 * |
基于VF-CS的移动传感器网络覆盖优化算法;李光辉;胡世红;;通信学报(第03期);99-111 * |
基于Voronoi图的大规模物流车辆路径优化方法研究;涂伟;中国博士学位论文全文数据库工程科技Ⅱ辑(第06期);C034-13 * |
基于最短路径的扩展泰森多边形建立;郭建忠, 陈涛, 彭维, 欧阳;测绘学院学报(第03期);70-72 * |
基于逐点插入法生成Voronoi图的算法研究及实现;张艳;李强;;黑龙江工程学院学报(第05期);26-28 * |
Also Published As
Publication number | Publication date |
---|---|
CN113722553A (zh) | 2021-11-30 |
CN112347312A (zh) | 2021-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113722553B (zh) | 一种物流路径搜索方法 | |
Jia et al. | A dynamic logistic dispatching system with set-based particle swarm optimization | |
CN113554120B (zh) | 一种多目标点的物流路径快速规划方法 | |
Lawler et al. | Branch-and-bound methods: A survey | |
CN113516206B (zh) | 一种多目标点的路径规划方法 | |
Antikainen | Comparison of different strategies for determining raster‐based least‐cost paths with a minimum amount of distortion | |
Arzamendia et al. | Comparison of eulerian and hamiltonian circuits for evolutionary-based path planning of an autonomous surface vehicle for monitoring ypacarai lake | |
Oh et al. | Coordinated road-network search route planning by a team of UAVs | |
Koceski et al. | A novel quad harmony search algorithm for grid-based path finding | |
Nallusamy et al. | Optimization of non-linear multiple traveling salesman problem using k-means clustering, shrink wrap algorithm and meta-heuristics | |
Zhao et al. | Path $ k\hbox {NN} $ Query Processing in Mobile Systems | |
Alazzam et al. | Best path in mountain environment based on parallel A* algorithm and Apache Spark | |
Zhang et al. | Path planning for mobile robot using an enhanced ant colony optimization and path geometric optimization | |
Pongchairerks et al. | A particle swarm optimization algorithm on job-shop scheduling problems with multi-purpose machines | |
Antikainen | Using the hierarchical pathfinding A* algorithm in GIS to find paths through rasters with nonuniform traversal cost | |
Tucnik et al. | Comparative analysis of selected path-planning approaches in large-scale multi-agent-based environments | |
CN117371897B (zh) | 一种基于路网的多目标点物流派送路径的规划方法及系统 | |
Lu et al. | Particle swarm algorithm and its application in tourism route design and optimization | |
Zhong et al. | Enhanced discrete dragonfly algorithm for solving four-color map problems | |
CN117217396B (zh) | 一种基于路网的多目标派送路径存在判定方法及系统 | |
Mete | Geospatial big data analytics for sustainable smart cities | |
Benton et al. | Tactical route planning: new algorithms for decomposing the map | |
Sun et al. | A multi-unmanned aerial vehicle fast path-planning method based on non-rigid hierarchical discrete grid voxel environment modeling | |
Tang et al. | Hexagon‐Based Generalized Voronoi Diagrams Generation for Path Planning of Intelligent Agents | |
Nishat | Reconfiguration of Hamiltonian cycles and paths in grid graphs |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |